Formulario Resumido para Algebra Lineal
Formulario Resumido para Algebra Lineal
Formulario Resumido para Algebra Lineal
A+B y ∝ A(∝ un escalar ) son matrices tanto A ( BC ) como ( AB ) C son matrices de nxq
• Un vector reglón de n componentes es un conjunto
ordenado de n números denominados escalares, de mxn. .
escritos como
( x1 , x2 , … , x n ) .
o La componente de ij de LEY DISTRIBUTIVA PARA MULTIPLICACION DE MATRICES:
A+B es a ij +b ij
• Un vector columna de n componentes es un
• Si todos los productos están definidos, entonces.
conjunto ordenado de n números escritos como
ij de ∝ A es ∝ aij A ( B+C )= AB + AC y ( A+ B ) C= AC + BC
()
x1 o La componente de
x2
↓ .
• El producto escalar de dos vectores de n • La matriz de coeficientes de un sistema lineal.
xn componentes es:
()
b1 ⋯ +a1 n x n ¿ b 1
n
• b
Un vector cuyas componentes son todas cero se
denomina vector cero.
a . b= ( a1 , a 2 , … , a n ) . 2 =a 1 b1 +a 2 b 2 +…+a n b n =∑ ai bi ⋯ +a 2 n x n ¿ b 2
↓ i =1
⋮
• La suma de vectores y la multiplicación por bn ¿
escalares está definida por. ¿
a m 1 x 1 +¿ a m2 x 2 +¿ ¿
PRODUCTO DE MATRICES:
a 1 +b1 ∝ a1
( ) ()
⋮ ⋮ ⋮ ¿=b
∝ a2 +anm x n
a +b= a 2 +b2 y ∝ a=
n
• Sea A una matriz de mxn y B una matriz de nxp. ⋯
⋮ ⋮ Entonces AB es una matriz de mxp y la componente de ¿ ¿
a n +bn ∝ an ij de AB= ( reglon i de A ) .(columna j de B)
Es la matriz:
n
• ¿ ai 1 b1 j +ai 2 b 2 j +…+a¿ b nj= ∑ aik b kj a 11 a12 ⋯ a1n
( )
Una matriz de mxn es un arreglo rectangular de mn
números arreglados en m reglones y n columnas. k =1
a a ⋯ a2 n
A= 21 22
a 11 a12 ⋯ a1n ⋮ ⋮ ⋱ ⋮
( )
• En términos, los productos de matrices no son
a n1 a n 2 ⋯ a mn
a a ⋯ a2 n conmutativos: es decir, casi siempre ocurre que
A= 21 22
⋮ ⋮ ⋱ ⋮ AB ≠ BA .
a n1 a n 2 ⋯ a mn • El sistema lineal anterior se puede escribir utilizando la
LEY ASOCIATIVA DE LA MULTIPLICACION DE MATRICES: matriz aumentada.
a 11 a 12 ⋯ a 1n ⋮ b1 • •
( )
El proceso de aplicación de operaciones elementales La solución para un sistema lineal homogéneo
con reglones a una matriz se denomina reducción por diferentes de la trivial, se denomina soluciones no
a 21 a 22 ⋯ a 2n ⋮ b 2 reglones. triviales.
() ()
x1 b1 la matriz aumentada a la forma escalonada por x n con unos en la diagonal principal y ceros en otra
reglones y utilizando la sustitución hacia atrás.
x = x 2 y b= b2 parte,
I n se denota generalmete por I .
↓ ↓ • Un sistema lineal que tiene una o más soluciones se
xn bn denomina consistente.
• Si A es una matriz cuadrada , entonces AI=IA=A
• Un pivote es el primer componente diferente de cero En este caso la matriz A−1 se llama inversa de A.
en el reglón de una matriz. a11 x 1+¿ a 12 x 2 +¿a 21 x 1 +¿ a 22 b x 2 +¿
⋯ +a 1n x n ¿0
• Las tres operaciones elementales con reglones • Si A es invertible, su inversa es única.
son: ⋯ +a 2 n x n ¿ 0
⋮ • Si A y son matrices invertibles de n x n , entonces AB
o Multiplicar el reglón i de una matriz por
¿ es invertible:
c =R i → cR j , donde ces ≠ 0 ¿
a m 1 x 1 +¿ a m2 x 2 +¿ ¿ I. Se escribe la matriz cuadrada aumentada.
⋮ ( A∣T )
o Multiplicar el reglón i por c y sumarlo al
+anm x n ⋮ ⋮ ¿=0
reglón
j=R j → R j +cR i .
⋯
¿ ¿ II. Se reduce A por reglones a la forma
escalonada reducida por reglones.
R¿
• Dos matrices A y B son equivalentes por reglón si, A
IV. A es equivalente por reglones a la matriz
se puede transformar en B reduciendo por reglones.
identidad de nxn,
In .
o
• Sea A una matriz de nxn. Si AB=I o BA=I , entonces A P ij se permutan los reglones i y j.
−1
A V. A se puede escribir como un producto de
es invertible y B= matrices elementales.
FACTORIZACION LU:
At =( a ij ) .Esto es,
At se obtiene VIII. Existe una matriz permutación P, una matriz
triangular inferior L con unos en la diagonal,
intercambiando los reglones y las columnas de A. • Suponga que la matriz invertible A se puede reducir por y una matriz triangular superior invertible U,
reglones a una matriz triangular superior sin realizar tales que PA=LU.
permutaciones. Entonces existen matices únicas L y U,
HECHOS SOBRE LA TRANSPUESTA: tales que L es triangular inferior con unos en la CAPITULO 2 RESUMEN: DETERMINANTES
diagonal, U es una matriz superior invertible y A=LU.
t
( At ) = A ⋮ ( AB )t = B t At ⋮ ( A+ B )t = At + Bt •
E = P0 es una matriz de permutación
≠0 .
TEOREMA BASICO:
a 11 a 12 a13
(
a 31 a 32 a33
a a
)
a 32 a 33
a
∣ a a a
∣ ∣
det a 21 a 22 a23 =a11 22 23 −a12 21 23 + •21 Si 22
∣∣ ∣
A es una matriz de nxn, entonces:
a 31 a 33 a31 a 32
n
•
•
detAB=detAdetB.
≠0
detA=a i1 Ai1 +a i2 Ai2 +…+a ¿ A ¿ =∑ a ik Aik Si A es invertible, entonces detA y:
k=1
• El menor ij de la matriz A de nxn, denotado por
M ij 1
det A−1= adjA
, es la matriz de (n-1) x(n-1) obtenida al n detA
eliminar el reglón i y la columna j de A. detA=a 1j A1j +a 2j A2j +…+a nj A nj =∑ a kj A kj
k=1
Aij • Sea A una matriz de nxn. La adjunta o adjugada de
• El cofactor ij de A, denotado por esta dado
A , denotada por adjA, es la matriz de nxn cuya
Para i=1,2,…n y j=1,2,…, n.
por :
componente ij es
A ji , el cofactor ji de A.
Es decir, el determinante de A se puede obtener
i+ j
Aij= (−i ) det M ij expandiendo en cualquier reglón o columna de A.
• Si
detA ≠ 0 , entonces A es invertible y:
• Si cualquier reglón o columna de A es vector cero,
entonces detA=0.
1
DETERMINANTES DE NXN:
• Si cualquier reglón (columna) de A se multiplica por un A−1= adjA
escalar, entonces detA se multiplica por c.
detA
• Sea A una matriz de nxn. entonces.
• Si A y B son dos matrices de nxn que son iguales TEOREMA DE RESUMEN:
n excepto por la columna j (reglón i) y C es la matriz que
detA=a 11 A11 =a12 A12 +…+a 1n A 1n= ∑ a1k A1k es idéntica a A y B excepto que la columna de j (reglón
i) de C es la suma de la columna de j de A y la columna • Sea A una matriz de nxn. Entonces las siguientes siete
k =1 j de B (reglón i de A y reglón i de B), entonces afirmaciones son equivalentes.
detC=detA+detB.
detA=a 11 a 22 …a nn • Si un reglón (columna) de A es un múltiplo de otro IV. A es equivalente por reglones a l matriz
reglón (columna) de A, entonces detA=0.
identidad de nxn,
In .
V. A es el producto de matrices elementales.
Una representación de un vector tiene su punto inicial
∣v∣= √ a 2 +b 2 +c2
• R2 o R3 .
u= ( a1 , b 1 ) y v=(a 2 , b 2)
dos segmentos de recta dirigidos en son
• Sean : entonces
equivalentes si tienen la misma magnitud (longitud) y
dirección.
• Si v es un vector en
R2 , entonces la dirección
el producto escalar o producto punto de u y v ,
esta denotado por u.v , esta dado por:
R2 o R3 Si
u= ( a1 , b 1 , c 1 ) y v=(a2 , b 2 , c 2)
segmentos de recta dirigidos en
unitario:
ángulo entre ellos es 0 o π . Son paralelos si uno u=a 1 i+b 1 j+c 1 k y v=a 2 i+b 2 j+c 2 k dos puntos sobre una recta L en R3 .Sea
∣ ∣
sea
i j k
π u × v= a 1 b 1 c 1
ángulo entre ellos es . Son ortogonales si y solo
2 ECUACION VECTORIAL DE UNA RECTA:
a 2 b 2 c2
si su producto escalar es cero.
¿⃗ =⃗
OP +tv
• Sean u y v dos vectores deferentes de cero en PROPIEDADES DEL PRODUCTO CRUZ:
2 3 ECUACIONES PARAMETRICAS DE UNA RECTA:
R oR .La proyección de u sobre v es un
u × 0=0 × u=0
{
vector, denotado por
proy v u , que está definido
x= x 1+at
u × v=−v × u y= y 1 +bt
por:
z= z1 +ct
u.v
proy v u= v ( αu ) × v=α ( u × v )
∣v∣2 ECUACIONES SIMETRICAS DE UNA RECTA:
u × ( v+w ) =( u× v ) +(v × w) x− x 1 y− y 1 z− z 1
u.v = =
a b c
Es escalar
∣v∣ se llama la componente de u en
plano en R 3
.El vector n se llama vector normal
x ∈ V , x+0=0+ x= x (el 0 se
que o igual a n}
del plano. llama vector cero o idéntico aditivo). • El espacio C[a,b]={funciones reales continuas en el
intervalo [a,b]}
n=ai +bj+ck y P= ( x 0 , y 0 , z 0 ) x ∈V
• Si
Si , existe un vector –x en V tal que
M mn=¿
x+(-x)=0 (-x se llama inverso aditivo de x) • El espacio {matrices de mxn con
entonces la ecuación del plano se puede escribir:
coeficientes reales}
Si x,y están en V , entonces x+y=y+x (ley
ax +by+cz=d conmutativa de la suma de vectores)
• El espacio
n
x ∈V y α C = {( c 1 , c 2 , … , c n ) :c i ∈ C parai=1,2, … , n } .
Donde: Si es un escalar, entonces
v 1 , v2 , … , v n es un espacio vectorial V es la
Para todo x,y,z en V ,
n
( x+ y )+ z= x+( y+z ) • El espacio
R = { x1 , x2 , … , x n } : xi ∈ R suma de la forma:
(ley
• Un conjunto de vectores
v 1 , v2 , … , v n es una
conjuntos de vectores que están en una recta o en un
plano que pasa por el origen.
• Se dice que los vectores
v 1 , v2 , … , v n en un base para un espacio vectorial V si:
v 1 , v2 , … , v n ¿ N A= x ∈ R n : Ax=0
• El espacio generado por un conjunto de vectores { generan a V.
v 1 , v2 , … , v n en un espacio vectorial V es el
• Todo conjunto de n vectores linealmente
• La nulidad de una matriz A de nxn es la dimensión de
conjunto de combinaciones lineales de
v 1 , v2 , … , v n n
R Rn NA y se denota por v(A).
. independientes en es una base en .
() () () ()
ℑ ( A )= y ∈ Rm : Ax= y para alguna x ∈ R n
v 1 , v2 , … , v n 0 1 0 0
• Se dice que los vectores en un
c 1 = 0 , c 2= 0 , c3 = 1 , … , cn = 0
espacio vectorial V son linealmente dependientes si
⋮ ⋮ ⋮ ⋮ • El rango de A, denotado por p(A), es la dimensión de
c1 , c2 , … , cn la imagen de A.
existen escalares no todos ceros
0 0 0 1
tales que:
• El espacio de los reglones de A, denotado por
y es un subespacio de Rm .
• Cualquier conjunto de n vectores linealmente • Si H es un subespacio del espacio de dimensión finita
n n
independientes en R generan a . R V, entonces dimH ≤ dimV.
• Si A es una matriz de mxn, entonces:
• Un conjunto de n vectores en
Rm es linealmente C A =ℑ ( A ) y dim R A =dimC A=dimIm ( A )= p( A
independiente si n>m.
Más aun:
p ( A ) +v ( A )= n